[发明专利]一种基于机器学习的电梯安全预警方法

权利要求书

1.一种基于机器学习的电梯安全预警方法，其特征在于，所述基于机器学习的电梯安全预警方法为：采用自动运动匹配、噪声干扰处理及超分辨率方法，融合处理有效信息并提取相关特征进行电梯动态捕捉及电梯安全预警。

2.如权利要求1所述的基于机器学习的电梯安全预警方法，其特征在于，自动运动匹配的方法包括：

读取电梯安全运行输入影像到主存，将不同尺度的高斯核数据由主存传入到GPU的常数存储器中；

利用在GPU中计算的关键点集合信息，启动kernel计算在关键点附近像素的梯度大小和方向；

计算128维的SIFT描述符；

进行SIFT特征匹配，确定匹配点位；

在GPU中进行分步连续滤波加速高斯尺度空间金字塔的构建，并将高斯金字塔存储在全局存储器内；然后高斯金字塔影像被回读到CPU，相邻尺度的两个高斯影像相减得到DOG金字塔多尺度空间表示；当把候选特征点集合信息上传至GPU中后，便可在GPU内对高斯差分金字塔所有候选特征点进行精确定位。计算关键点周围影像强度的主曲率，通过一个2×2的Hessian矩阵计算特征值比率，检测关键点主曲率是否超过设定的阈值，通过去掉多余的点后，确定关键点集合并精确标记关键点的位置，尺度。关键点位置、尺度将在GPU中恢复；

利用已经存储在全局存储器中的高斯权重函数，对关键点邻域窗口内的各像素的梯度大小进行高斯加权并累加建立方向直方图，检测直方图的峰值，确定关键点主方向；

以关键点为中心的16×16影像数据块根据关键点的尺度、位置和方向构造SIFT描述符的过程在CPU上实现；

确定匹配点位按照原始点的自然顺序将维度数据读入共享存储器，优化的重点是距离计算，保证每个维度差值的平方在同一时刻被计算和维度数目的中间结果的累加方式高效。

3.一种如权利要求2所述的基于机器学习的电梯安全预警方法的自动运动匹配系统，其特征在于，所述自动运动匹配系统包括：

CPU单元、北桥芯片单元、系统存储器单元、图形适配器单元：

CPU单元作为主处理器的子系统，用于解释计算机指令以及处理计算机软件中的数据，进行计算；

北桥芯片单元通过前端总线和CPU单元相连，用于提供对CPU的类型和主频、内存的类型和最大容量、ISA/PCI/AGP插槽、ECC纠错支持；

系统存储器单元通过存储器总线和北桥芯片单元相连，用于存储数据的信息；

图形适配器单元通过PCI-Express总线和北桥芯片单元相连，用于控制计算机图形的输出；

GPU模块安装在图形适配器单元上，是图形适配器的核心，用于进行大量的简单并行计算并将数据画成图形；

GPU存储器模块通过DMA操作和GPU模块相连，用于储存收集到的数据；

图形适配器单元包含两个图形适配器。

4.如权利要求1所述的基于机器学习的电梯安全预警方法，其特征在于，对噪声干扰处理方法为：

采用稀疏冗余模型算法进行图像增强:

对自然图像中在小波基下呈现近零元素系数很多，而非零元素系数很少的变换系数向量的稀疏性，进行建立系数冗余模型；

首先，假定原图像收到了加性高斯噪声的污染，则污染后的图像称之为退化图像，而图像恢复的过程是退化图像的逆过程，假定图像的退化模型即加性高斯噪声为：

g＝Hu+v

则图像的恢复模型表示为：

由于噪声的干扰，并不能得到合适且唯一的解，对恢复模型施加一个正则性约束。则恢复模型即变为变分模型：

R(u)即为正则项，该项是与图像的本身性质有关，利用稀疏冗余字典模型来描述R(u)。